- 大数据分析与变现(利润驱动新时代技术新未来)
- - 作者：(比利时)沃特·韦贝克//巴特·贝森斯//(西班牙)克里斯蒂安·布拉沃|责编:刘洋|译者:漆晨曦
  - 出版社：清华大学
  - ISBN：9787302532439
  - 出版日期：2020/08/01
  - 页数：325
- 售价：39.6

内容大纲
本书是为向领导团队提供如何将其组织转型为具盈利能力的前沿的大数据分析机制的方法和工具而写就。如何利用大数据分析增强商业决策的准确度并提升企业净利润，为此，本书详细讲述了一个以价值为中心的渐进式策略。这个基于作者团队在全世界范围的咨询经验和高质量研究之上的指南，为数据处理、特定公司的数据分析优化及整体流程的持续评估和提升，展开了一个分步骤的详细路线图。
作者介绍
目录
第1章  以价值为中心的分析方法
  1.1  概述
    1.1.1  商业分析
  1.2  利润驱动的商业分析
  1.3  分析流程模型
  1.4  分析模型评估
  1.5  分析团队
    1.5.1  人员背景
    1.5.2  数据科学家
  总结
  复习题
  参考文献
第2章  分析技术
  2.1  概述
  2.2  数据预处理
    2.2.1  分析数据的去标准化
    2.2.2  抽样
    2.2.3  探索性分析
    2.2.4  缺失值
    2.2.5  异常值监测和处理
    2.2.6  主成分分析
  2.3  分析类型
  2.4  预测分析
    2.4.1  概述
    2.4.2  线性回归
    2.4.3  逻吉斯回归
    2.4.4  决策树
    2.4.5  神经网络
  2.5  综合法
    2.5.1  装袋法
    2.5.2  推进法
    2.5.3  随机森林法
    2.5.4  综合法的评估
  2.6  预测模型评估
    2.6.1  数据集拆分
    2.6.2  分类模型的性能测算
    2.6.3  回归模型的性能测算
    2.6.4  预测分析模型的其他性能测算指标
  2.7  描述性分析
    2.7.1  概述
    2.7.2  关联规则
    2.7.3  顺序规则
    2.7.4  聚类
  2.8  生存分析
    2.8.1  概述
    2.8.2  生存分析测算
    2.8.3  Kaplan Meier分析
    2.8.4  参数化生存分析
    2.8.5  比例风险回归
    2.8.6  生存分析模型的扩展

    2.8.7  生存分析模型评估
  2.9  社交网络分析
    2.9.1  概述
    2.9.2  社交网络定义
    2.9.3  社交网络指标
    2.9.4  社交网络学习
    2.9.5  相关邻居分类器
    2.9.6  概率相关邻居分类器
    2.9.7  相关逻吉斯回归
    2.9.8  集体推论
  总结
  复习题
  注释
  参考文献
第3章  商业应用
  3.1  概述
  3.2  营销分析
    3.2.1  概述
    3.2.2  RFM分析
    3.2.3  响应建模
    3.2.4  流失预测
    3.2.5  X销售
    3.2.6  客户细分
    3.2.7  客户终身价值
    3.2.8  客户之旅
    3.2.9  推荐系统
  3.3  欺诈分析
  3.4  信用风险分析
  3.5  HR分析
  总结
  复习题
  注释
  参考文献
第4章  建立提升模型
  4.1  概述
    4.1.1  提升建模案例：响应模型建立
    4.1.2  处理效果
  4.2  实验设计、数据采集和数据处理
    4.2.1  实验设计
    4.2.2  活动模型有效性测算
  4.3  提升建模的方法
    4.3.1  双模型法
    4.3.2  基于回归的方法
    4.3.3  基于树的方法
    4.3.4  综合法
    4.3.5  连续型或顺序结果
  4.4  提升模型评估
    4.4.1  可视化评估方法
    4.4.2  性能测算指标
  4.5  操作指导

    4.5.1  建立提升模型的两步法
    4.5.2  实施和软件
  总结
  复习题
  注释
  参考文献
第5章  利润驱动的分析技术
  5.1  概述
  5.2  利润驱动的预测分析法
    5.2.1  利润驱动的预测分析案例
    5.2.2  成本矩阵
    5.2.3  利用成本非敏感性分类模型进行成本敏感性决策
    5.2.4  成本敏感性分类框架
  5.3  成本敏感性分类法
    5.3.1  训练前方法
    5.3.2  训练中方法
    5.3.3  训练后方法
    5.3.4  成本敏感性分类模型评估
    5.3.5  不平衡的类别分布
    5.3.6  操作
  5.4  成本敏感性回归法
  5.5  回归的成本敏感性学习法
    5.5.1  训练中方法
    5.5.2  训练后方法
  5.6  利润驱动描述性分析
    5.6.1  利润驱动的细分法
    5.6.2  利润驱动的关联规则法
  总结
  复习题
  注释
  参考文献
第6章  利润驱动的模型评估和实施
  6.1  概述
  6.2  分类模型的利润驱动评估
    6.2.1  平均错误分类成本
    6.2.2  分界点调优
    6.2.3  基于ROC曲线的测算法
    6.2.4  利用观察对象依赖型成本法进行利润驱动评估
  6.3  回归模型的利润驱动评估
    6.3.1  损失函数和基于误差的评估测算法
    6.3.2  REC曲线和曲面
  总结
  复习题
  注释
  参考文献
第7章  经济影响
  7.1  概述
  7.2  大数据和分析的经济价值
    7.2.1  所有权总成本
    7.2.2  投资回报

    7.2.3  利润驱动的商业分析
  7.3  关键经济考虑因素
    7.3.1  内包与外包的对比
    7.3.2  企业预置与云平台的对比
    7.3.3  开源软件与商业软件的对比
  7.4  大数据和分析的ROI提升
    7.4.1  新数据源
    7.4.2  数据质量
    7.4.3  管理支持
    7.4.4  组织方面
    7.4.5  交叉繁殖
  总结
  复习题
  注释
  参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目